向着朝阳 - 博客园

2026年1月12日

摘要：目录【结论】高性能，语义不太复杂的场景 -选择MiniLM 6L/12L. 12L是12层的意思中等性能，中等意义复杂度选择 - Sentence-BERT 语义很复杂：Qwen-embedding-large 或者 ext-embedding-3-large（效果更好，但是更贵）向量化算法阅读全文

posted @ 2026-01-12 16:37 向着朝阳阅读(75) 评论(0) 推荐(0)

股票试单-加仓策略

摘要：目录一、你当前这一步，在体系里叫什么？二、什么时候加仓（核心）原则一句话：三、推荐的加仓节奏（与你的 EMA 策略强匹配）第一档加仓：确认延续第二档加仓：结构确认第三档加仓（可选）：趋势加速四、什么时候「不要」加仓（非常重要）五、减仓逻辑（一定要在买入时就想清楚）第一类减仓：趋势被破坏第二类减仓：获阅读全文

posted @ 2026-01-12 07:58 向着朝阳阅读(106) 评论(0) 推荐(0)

2026年1月10日

量化提醒后-人工确认信息

摘要：目录一、事实层（先确认你的判断）二、那为什么我们仍然“坚持用日线收盘确认”？（关键）1️⃣ 盘中 EMA 上穿 ≠ 趋势成立2️⃣ 收盘确认 = 市场共识确认三、那在富途里应该怎么“实际操作”？（非常重要）✅ 正确实操流程（建议照这个来）Step 1：盘后筛选（核心）Step 2：盘后人工确认Ste 阅读全文

posted @ 2026-01-10 16:00 向着朝阳阅读(32) 评论(0) 推荐(0)

MiniLM 分类器的使用场景

摘要：目录四、工程结论一、MiniLM 训练成分类器做 RAG 前置过滤不合适原因：二、MiniLM 训练成分类器做意图识别也不合适原因：三、总结对比表四、工程结论 MiniLM 分类器只适合：标签固定且互斥单意图、高置信度场景（不适合多意图识别的场景）快速路由 / 拦截简单 query 阅读全文

posted @ 2026-01-10 08:19 向着朝阳阅读(17) 评论(0) 推荐(0)

RAG-准确度提升之-前置过滤-向量召回法

摘要：目录一、补全后的完整伪代码（可直接工程化）二、这套规则“在系统里到底干了什么？”整体一句话决策流程图（文字版）每一步解决的“真实问题”三、关键变量定义 & 推荐取值（你可以直接写进配置）1️⃣ TOP_K2️⃣ T_MULTI（是否参与）3️⃣ T_MIN（是否可信）4️⃣ K_MAX（语义是否发散阅读全文

posted @ 2026-01-10 07:45 向着朝阳阅读(44) 评论(0) 推荐(0)

MiniLM 微调成分类器和embedding + margin 不同用法

摘要：目录一、模式对比二、核心区别总结三、选择建议更细节的区别一、专用分类器（模式 3）1️⃣ 思路2️⃣ Python 伪代码示例特点二、Embedding + Margin（方案 2）1️⃣ 思路2️⃣ Python 伪代码示例特点三、对比总结四、总结一句话什么情况下用margin一、你现在这一步在“ 阅读全文

posted @ 2026-01-10 07:44 向着朝阳阅读(42) 评论(0) 推荐(0)

2026年1月9日

意图识别-小模型（MiniLM）+大模型

摘要：目录工业级智能客服意图识别方案：MiniLM + LLM 兜底1. 系统目标2. 标签体系设计3. 流程步骤Step 1：MiniLM embedding → Top-K 意图候选Step 2：单意图 / 多意图判定Step 3：敏感度闸门（Risk Gate）Step 4：决策执行单意图多意图St 阅读全文

posted @ 2026-01-09 22:00 向着朝阳阅读(212) 评论(0) 推荐(0)

MiniLM

摘要：目录MiniLM-L6 VS MiniLM-L12MiniLM 是一个轻量级、高效的 Transformer 模型，因为小体量和高性能，非常适合多种 NLP 场景。下面我帮你系统整理它的主要使用场景：MiniLM-L6 和 MiniLM-L12 的主要区别在于模型深度（层数）、参数数量、推理效率和语阅读全文

posted @ 2026-01-09 18:58 向着朝阳阅读(152) 评论(0) 推荐(0)

RAG 不同场景相识度设置

摘要：目录1️⃣ 场景差异：去重 vs 意图缓存2️⃣ 为什么意图分类要求更高相似度3️⃣ 总结你提到的这个差异非常典型，也是很多做 RAG + 意图分类缓存的人容易困惑的地方：为什么文档去重 / 聚类用 0.85~0.9 就够了，但意图分类缓存却要求 0.95~0.98？我们可以从本质原因来分析： 1 阅读全文

posted @ 2026-01-09 18:44 向着朝阳阅读(31) 评论(0) 推荐(0)

AI智能体和传统微服务架构集成方式（二）-MCP/TOOLS网关

摘要：目录【结论】✅ 适合合并进统一跨系统集成网关的情况⚠️ 适合单独部署 AI 网关的情况应用架构二、架构目标三、核心架构要素1️⃣ Agent 层（Python）2️⃣ AI 网关层（接入与治理层）3️⃣ MCP Server 层（Java 工具服务）4️⃣ 云原生基础设施层四、组件协作流程协作要点：阅读全文

posted @ 2026-01-09 10:49 向着朝阳阅读(101) 评论(0) 推荐(0)

aibi1

公告